简介:以背心式呼吸感应体积描记系统为平台,经过标定实现通气量的无创测量,并检验测量结果的准确性.用背心式呼吸感应体积描记系统和呼吸速度描记仪同时记录15名受试者的呼吸数据,取前5min数据用诊断性定性校正技术(qualitativediagnosticcalibration,QDC)标定背心式呼吸感应体积描记系统,后续数据用于对比检验背心式呼吸感应体积描记系统测量通气指标的准确性及有效性.结果表明,15组对比检验数据,背心式呼吸感应体积描记系统经过标定所测平均潮气量(总体平均潮气量为443±79ml)与呼吸速度描记仪所测平均潮气量(总体平均潮气量为446±83ml)相关性很好(R=0.9988,P<0.001,n=15),对两种方法所测平均潮气量进行t检验,P=0.918,说明两种测量方法在平均潮气量测量上无统计学差异.15组数据中,两种方法所测平均潮气量相对误差最大值为2.42%,比较逐呼吸潮气量,在15组数据共11437次呼吸中,93.85%的点(10734次)的相对误差落在10%之内,98.10%的点(11220次)的相对误差落在15%之内,99.03%的点(11326次)的相对误差落在20%之内.背心式呼吸感应体积描记系统采用诊断性定性校正技术标定后,能够准确测量通气指标,此系统是实现长时间、低负荷、动态呼吸模式监测的有效方法.
简介:本文叙述了感应电动机在线检测的一种新方法。该系统使用了人工神经网络来学习正常电动机在线运行的频谱特性。这种学到的频谱可能包含了许多由对应于常规运行工况的负载所引起的谐波。为将不断受到监控的谐波数减少到易于处理的数量,使用了可选频率滤波器。该频率滤波器按照神经网簇算法只通过那些已知对故障检测有重要意义的谐波,或者那些连续在设定的水平以上的谐波。在充分的训练周期后,在形成新的簇且维持一段时间后,神经网络就发出潜在的故障状态信号。由于故障状态是通过与机器的先前状态作了比较后发觉的,同此,使用这个系统而不需要有关于电动机或负载特性的信息就不可实现在线故障预测。这个检测算法得到了实施,其性能在各类故障上得到了验证。
简介:感应电流的磁场总要阻碍引起感应电流的磁通量的变化,“阻碍……变化”通常使闭合电路以平动、转动、收缩、扩张等行为来体现.